윤곽선 드러내기1 1. 오늘은 지난번 스무딩효과와 반대인 윤곽선 드러내가 효과를 한번 알아 보겠습니다. 스무딩 효과는 기본적으로 이미지의 잡음을 제거하기 위해 픽셀값을 평균을 하는 작업입니다. 이에 대한 역효과로 화면이 희미해지는 효과, 즉 이미지의 윤곽선이 죽는 효과가 생깁니다. 극단적인 .. 인공지능관련/이미지 프러세싱 2016.12.07
혼합모형(Mixture Model) 1. 먼저 복잡한 수식을 하기 전에 현실에서 나올 수 있는 문제를 한번 생각해 보죠. 야구 선수가 딱 A, B, C 3명만 있다고 하죠. 각 선수가 게임에서 홈런을 칠 확률은 A는 0.2, B는 0.1, C는 0.05라 하죠. 그리고 홈런을 첬을 경우 비거리는 A는 N(110, 10), B는 N(120, 15), C는 N(140, 20)이라 하죠. 즉 A는 .. 인공지능관련/EM 2016.12.03
스무딩2 1. 제가 옛날에 본 책은 2ed이고 인터넷에 돌아다니는 pdf판은 3ed인데 내용은 많이 보강된 것 같은데 그림의 예는 오히려 옛날 판이 더 나은 것 같습니다. 2. 일단 smoothing 작업은 화면 이미지에 있는 잡음을 없애려는 것이 목적입니다. 이런 반면 우리가 화면에서 인식하려는 물체의 윤곽선.. 인공지능관련/이미지 프러세싱 2016.12.01
이미지 스무딩1 지난번에 작업한 데이터를 다시 한번 보죠 지금 하려고 하는 것은 주식시장에 나오는 주가변화의 며칠 이동평균선이라는 것을 하려고 합니다. 사실 이동평균(ma: moving average)선이라는 용어는 이론적으로 안 맞는 용어이고, 수식모양으로 보면 자기회귀(AR: Auto regressive)가 더 맞는 표현 같.. 인공지능관련/이미지 프러세싱 2016.11.30
화질 개선1 1. 천경자씨 위작여부에 대해 프랑스 감정기관이 이미지 분석을 해서 조작이라고 판정을 했죠. 이쪽을 공부하면 알겠지만 굉장히 과학적인 방법으로 하는 것입니다. 그래서 위작이 확실하다고 보면 됩니다. 천경자 본인도 의식 못하는 나름 대로의 이미지 화풍이 있다는 것이고, 위작은 .. 인공지능관련/이미지 프러세싱 2016.11.29
EM 공식 이해하기 1. 그럼 이번에는 EM의 공식을 이해하도록 해보죠. 실제 개념은 그렇게 어렵지 않습니다. 설명들이 좀 어렵게 나와서 그렇죠. 먼저 앞에서 이야기한 것처럼 세타‘이 나오는데 이건 잊기로 하고요. EM 반복 작업할 때 이전 세타값으로 집어 넣는 값입니다. EM의 공식은 기초 통계학의 간단한.. 인공지능관련/EM 2016.11.29
EM 이해하기4 0. 우리가 이 EM알고리즘을 자세히 설명하는 이유는 음성인식 때문입니다. 책을 보면 이 알고리즘을 사용한다고 되어 있습니다. 물론 약간의 변형이 있을 수 있겠지만 기본적으로 이 EM을 쓴다고 하니 이 EM 알고리즘을 정확하게 이해하는 것이 필요합니다. 1. 기호를 좀 바꾸겠습니다. 쓰기.. 인공지능관련/EM 2016.11.28
이미지프로세싱1 1. 이미지 프레세싱은 포토샵과 같은 이미지 편집 프로그램과 개념이 많이 다릅니다. 이미지 편집은 사람들에게 심리적인 효과를 주기 위해 미적, 또는 미용적인 작업을 하는 것이고요 이미지 프로세싱은 어떤 문제를 해결하기 위해서 하는 작업입니다. 즉 과학적인 작업입니다. 단지 이.. 인공지능관련/이미지 프러세싱 2016.11.21
퓨리에 변환 이번에는 시공간(time domain) 데이터를 주파수 공간(frequency domain) 데이터로 전환하는 Fourier 변환에 대해서 조금 알아보죠. 이 퓨리에 변화는 음성 인식에서 많이 사용되는 모양입니다. 또 지난번 알파고에서 CNN을 사용하였다고 하는데 아마 생각해도 이미지 프로세싱 이론을 뉴런넷과 결합.. 인공지능관련/S, R 그래프 그리기 2016.11.14
EM3 그럼 결측값이 있는 경우 그냥 무시하면 안 되는 경우에 대해서 이야기 해보죠. 데이터는 다음과 같습니다. 백화점 화장품 가계에서 손님이 왔을 때 V1는 손님의 성별, 0은 남자, 1은 여자, V2는 화장품 구매 여부, 즉 구매하지 않았을 경우 0. 구매했을 경우 1로 코딩했다고 하죠. 여기서 가.. 인공지능관련/EM 2016.11.14